请教如何计算statistical power？

Sherry_Tsai

kenny好，大家好。
6 m, M1 t4 Q, j- V6 N: @# e
最近看论文，提到统计的第二类错误（beta），与第一类错误（alpha）相对应。
: k# I* j5 n0 n6 C3 o) |" T2 K其中statistical power=1-beta
7 |# ~- r# w+ t% n; T. C7 t6 ]. }: A
很多学者的论文中都提到了statistical power与样本数N，alpha水平，以及effect size相关。但是我不知道如何具体的计算statistical power。
; _0 {4 v) E$ n( j* x- _8 R/ Q
( @9 s4 L0 v/ x- R' U) V8 f: g另外，cohen（1988）的书里对t检验，F检验，chi-square 等，提出在三种不同的effect size水平下的statistical power的计算公式、如果计算SEM的statistical power就是对应于chi-square吗？

谢谢
0 I1 u, D  b; i5 r

Gaolp

我觉得是R square，大家的意见呢？

mostwanted

chi-square吧，SEM就是用chi-square来检验FIT的好不好的，Regression和ANOVA是R方吧。

Gaolp

回复 3楼 mostwanted 的帖子
8 t( y/ a3 E1 i9 N. {
# l  _" k9 K4 G7 ], O
    我觉得fit 和statistical power不是一个问题？？

mostwanted

回复 4楼 Gaolp 的帖子
( f$ l. U1 B# z0 P3 ?

    哈哈，可能我表达的问题，统计功效就是总体中效应值存在，在样本中能把它detect出来的能力，SEM不就是通过X方变化显著与否来拒绝虚无假设的嘛。。

Kenneth

回复 1楼 Sherry_Tsai 的帖子
9 k: ^! I5 \- j% t% D
( f0 V. s# {' O4 ]; L/ m& R4 ISherry, 我猜你的问题大概要再明确一点。Statistical power （统计功效）是对一个统计测验而言的。

一般的统计测验都是 Ho:某统计量=0。 比如回归系数的测验就是 Ho:β=0。这个统计测验的「统计功效」的意思是当β≠0时，这个测验拒绝虚无假设（null hypothesis）的能力。 所以讲「统计功效」，一定要讲是哪一个虚无假设，并它对应的统计测验。
! I; M( |5 t- h( T$ |
SEM不是一个虚无假设或统计测验，它是一个分析数据的方法。打个比喻，你的问题就好像在问如何计算因子分析的统计功效一样。一个数据分析的方法内就会有很多不同的统计量，每一个的统计功效都不同。比如，回归分析内就有F-distribution 的统计量和t-distribution的统计量。

jkliang

可參考，結構方程模式的檢定力分析與樣本數決定，邱晧政(2008)，量化研究學刊，第二卷，第一期。

chienhsin

我建議一個免費軟體G*Power，一般的統計方法的power用此軟體應該夠了。

奇怪！我不能貼上網址，請各位自己google   "G*Power"就能找到軟體網頁。

2 U6 E: D7 M! E; v, M
' t& I) b2 w5 F$ W; H& m3 j" l
, L) P" [/ D9 m% `' i# B
9 [$ ]6 o0 E2 W7 T* A

Gaolp

回复 8楼 chienhsin 的帖子
请问是这个吗？

. B  ]. [1 C0 L' u" t7 g
9 v9 @7 \, r% V- ^. y0 |
( p' i: _6 G9 c5 n5 o+ G" D8 D   

Sherry_Tsai

        多谢kenny和大家的解答。

        关于kenny所说的明确问题，确实，对于相关的概念，我是比较混乱的，所以这几天又查阅了些文献。找到了这样的一段话
        “Cohen (1992: 158) provided an example of a regression model with three predictors, a significance level of p = 0.05, and an 80 percent likelihood of identifying the relationship. The minimum sample size is 34 for a large effect, 76 for a moderate effect, and 547 for a small effect.”
       个人的理解这里的80 percent likelihood of identifying the relationship，应该就是意味着statistical power=0.8； 然后比较困惑的为什么随着effect size的减少，样本量越来越大（不知道我理解的是否对）。
% o% C% u* |: G9 f8 _/ i* Z* \: T
        感谢chienhsin   和 Gaolp  对于软件的建议，只是我概念上还是糊涂的，不知道如何操作软件-_-.

        感谢jkliang 提供的文献，我试着看能在大陆下载到否。

        再次致谢！
% _( l+ N2 K' ~% y! k
( e: P& B' w. D' X4 U
% k0 \- V1 |* x1 G
1 P6 e' B) x* @- t5 k% i
  \5 Y7 ~# x0 M6 K; q